基于背景减除的运动目标检测算法研究

"本资源是一篇关于运动目标检测的硕士论文，作者陈燕萍，指导教师余臻，来自厦门大学，专业为检测技术与自动化装置。论文主要探讨了基于背景减除的运动目标检测算法，并提出了一种改进的混合高斯模型算法，旨在解决运动目标检测中的挑战，如阴影检测、摄像头抖动补偿以及背景扰动等问题。" 在运动目标检测领域，背景减除是一种常用的方法，它通过比较当前帧与背景模型的差异来识别运动目标。基本思想是建立一个静态背景模型，然后将输入图像中的每个像素与这个模型进行比较。如果像素值差异超过预设阈值，那么该像素被认为是运动目标的一部分。然而，阈值的选择非常关键，因为它直接影响检测结果的准确性。在低对比度区域，阈值应较小，而在高对比度区域，阈值应较大。此外，运动目标产生的阴影和前景目标与背景相似的情况都会增加检测的难度。 论文中提到的混合高斯模型是一种常用的背景建模方法，它假设每个像素值由多个高斯分布组成，以适应背景的变化。论文作者对这种算法进行了改进，提高了其在复杂背景下的实时性和可靠性。为了处理摄像头抖动导致的图像不稳定，提出了基于优先级及分区域的正方形邻间像素比较算法，通过比较像素来估计图像移动，从而补偿抖动影响。 阴影检测是运动目标检测中的另一个挑战。论文中，作者利用高斯分布来描述阴影，设计了阴影检测及抑制算法，以更快的速度消除阴影，增强算法的实时性。在后处理阶段，针对混合高斯背景模型可能出现的背景扰动问题，通过匹配周围像素来减少误检，同时采用图像二值形态学处理检测结果，通过计算连通区域的面积等特征，进一步精确目标区域。 这篇论文深入研究了基于背景减除的运动目标检测算法，尤其是混合高斯模型的应用和改进，为解决运动目标检测中的实际问题提供了新的思路和技术。关键词包括背景减除法、运动目标检测、混合高斯模型和摄像头抖动补偿。